Classificação das fases do plasmodium em imagens do exame de gota espessa para a malária
Malaria is a potentially fatal disease that spreads to humans through the bite of female Anopheles mosquitoes infected with Plasmodium parasite species. Prompt diagnosis of malaria is recommended by the WHO for all patients with suspected malaria before they receive treatment. Blood smear microscopy...
| Autor principal: | Araujo, Fábio Arthur Soares |
|---|---|
| Grau: | Trabalho de Conclusão de Curso |
| Idioma: | por |
| Publicado em: |
Brasil
2024
|
| Assuntos: | |
| Acesso em linha: |
http://riu.ufam.edu.br/handle/prefix/7354 |
| id |
oai:localhost:prefix-7354 |
|---|---|
| recordtype |
dspace |
| spelling |
oai:localhost:prefix-73542024-01-31T12:36:52Z Classificação das fases do plasmodium em imagens do exame de gota espessa para a malária Araujo, Fábio Arthur Soares Costa, Marly Guimarães Fernandes http://lattes.cnpq.br/7169358412541736 Costa Filho, Cícero Ferreira Fernandes http://lattes.cnpq.br/3029011770761387 Costa, Marly Guimarães Fernandes http://lattes.cnpq.br/7169358412541736 Costa Filho, Cícero Ferreira Fernandes http://lattes.cnpq.br/3029011770761387 Serrão, Mikaela Kalline Maciel http://lattes.cnpq.br/5229554360048861 Malária Diagnóstico Microscopia de gota de sangue Aprendizado Profundo Inteligência Artificial ENGENHARIAS: ENGENHARIA ELETRICA Malária - Diagnóstico Microscopia - Técnica Malaria is a potentially fatal disease that spreads to humans through the bite of female Anopheles mosquitoes infected with Plasmodium parasite species. Prompt diagnosis of malaria is recommended by the WHO for all patients with suspected malaria before they receive treatment. Blood smear microscopy is one of the recommended diagnostic tests. However, blood smear microscopy requires experience, is time-consuming and is subject to intra- and inter-microscopic variability. Automated microscopy has the potential to overcome these problems. In this context, some computational methods based on machine learning for object detection and classification have been developed. This work proposes the detection and identification of Plasmodium stages in brightfield microscopy images of blood smears. Nine deep network models were analyzed through an ablation study in a 2-stage process: the first performing a binary classification and the second classifying the parasites detected in the first stage into one of its 4 phases. The models were tested with a dataset of public domain images. The best results were obtained with the Efficient Net BX deep network. With this network, an accuracy of 89,91% and an F1-score of 83,88% were obtained, which surpassed the results presented in previous studies. A malária é uma doença potencialmente fatal que se espalha para os seres humanos através da picada das fêmeas do mosquito Anopheles infectadas com espécies de parasitas Plasmodium. O diagnóstico rápido da malária é recomendado pela OMS para todos os pacientes com suspeita de malária, antes de receberem tratamento. A microscopia de esfregaço de gota de sangue é um dos exames diagnósticos recomendados. No entanto, a microscopia de esfregaço de gota de sangue requer experiência, é demorada e está sujeita à variabilidade intra e inter microscopista. Por outro lado, a microscopia automatizada tem potencial de superar os problemas mencionados. Neste contexto, alguns métodos computacionais baseados em aprendizado de máquina para detecção e classificação de objetos foram desenvolvidos. Este trabalho propõe a detecção e identificação das fases do plasmodium em imagens de microscopia de campo claro de esfregaços de sangue. Foi analisado nove modelos de redes profundas através de um estudo de ablação em um processo de 2 etapas: a primeira realizando uma classificação binária e a segunda classificando os parasitas detectados na primeira etapa em uma de suas 4 fases. Os modelos foram testados com um conjunto de dados de imagens de domínio público. Os melhores resultados foram obtidos com a rede profunda Efficient Net B6 com otimizador RMSProp. Com esta rede obteve-se uma acurácia de 89,91% e um F1-score de 83,88% o que superou os resultados apresentados em estudos anteriores. 5 Sim 2024-01-31T12:36:03Z 2024-01-31T12:36:03Z 2023-11-08 Trabalho de Conclusão de Curso http://riu.ufam.edu.br/handle/prefix/7354 por Acesso Aberto https://creativecommons.org/licenses/by-nc-nd/4.0/ Brasil FT - Faculdade de Tecnologia Manaus (AM) Engenharia Elétrica – Eletrônica - Bacharelado - Manaus |
| institution |
Repositório Institucional - Universidade Federal do Amazonas |
| collection |
RI-UFAM |
| language |
por |
| topic |
Malária Diagnóstico Microscopia de gota de sangue Aprendizado Profundo Inteligência Artificial ENGENHARIAS: ENGENHARIA ELETRICA Malária - Diagnóstico Microscopia - Técnica |
| spellingShingle |
Malária Diagnóstico Microscopia de gota de sangue Aprendizado Profundo Inteligência Artificial ENGENHARIAS: ENGENHARIA ELETRICA Malária - Diagnóstico Microscopia - Técnica Araujo, Fábio Arthur Soares Classificação das fases do plasmodium em imagens do exame de gota espessa para a malária |
| topic_facet |
Malária Diagnóstico Microscopia de gota de sangue Aprendizado Profundo Inteligência Artificial ENGENHARIAS: ENGENHARIA ELETRICA Malária - Diagnóstico Microscopia - Técnica |
| description |
Malaria is a potentially fatal disease that spreads to humans through the bite of female Anopheles mosquitoes infected with Plasmodium parasite species. Prompt diagnosis of malaria is recommended by the WHO for all patients with suspected malaria before they receive treatment. Blood smear microscopy is one of the recommended diagnostic tests. However, blood smear microscopy requires experience, is time-consuming and is subject to intra- and inter-microscopic variability. Automated microscopy has the potential to overcome these problems. In this context, some computational methods based on machine learning for object detection and classification have been developed. This work proposes the detection and identification of Plasmodium stages in brightfield microscopy images of blood smears. Nine deep network models were analyzed through an ablation study in a 2-stage process: the first performing a binary classification and the second classifying the parasites detected in the first stage into one of its 4 phases. The models were tested with a dataset of public domain images. The best results were obtained with the Efficient Net BX deep network. With this network, an accuracy of 89,91% and an F1-score of 83,88% were obtained, which surpassed the results presented in previous studies. |
| author_additional |
Costa, Marly Guimarães Fernandes |
| author_additionalStr |
Costa, Marly Guimarães Fernandes |
| format |
Trabalho de Conclusão de Curso |
| author |
Araujo, Fábio Arthur Soares |
| title |
Classificação das fases do plasmodium em imagens do exame de gota espessa para a malária |
| title_short |
Classificação das fases do plasmodium em imagens do exame de gota espessa para a malária |
| title_full |
Classificação das fases do plasmodium em imagens do exame de gota espessa para a malária |
| title_fullStr |
Classificação das fases do plasmodium em imagens do exame de gota espessa para a malária |
| title_full_unstemmed |
Classificação das fases do plasmodium em imagens do exame de gota espessa para a malária |
| title_sort |
classificação das fases do plasmodium em imagens do exame de gota espessa para a malária |
| publisher |
Brasil |
| publishDate |
2024 |
| url |
http://riu.ufam.edu.br/handle/prefix/7354 |
| _version_ |
1797733307350253568 |
| score |
11.687526 |